研究型实习生-基于纵向多模态数据的动脉瘤增大风险的早期识别模型

岗位职责

研究领域： 多模态医学影像处理 项目简介：

1. 颅内动脉瘤的临床挑战 高患病率与低破裂率矛盾：全球人群UIA患病率约3.2%，中国约有4,500万患者，但年均自然破裂率仅约1.4% 治疗决策困境：预防性治疗术后并发症导致永久性神经功能障碍风险为5.0%-8.3%，存在过度治疗与治疗不足的双重风险 预测模型局限性：现有研究多基于横断面数据，难以捕捉动脉瘤动态演变过程，模型泛化性与临床可用性不足
2. 数据基础与技术机遇 纵向数据优势：拥有超过2次影像学检查的2,400人队列，约1万张影像学检查，平均随访时间4年，为时序分析提供坚实基础 多模态融合潜力：整合CTA影像、临床指标及病史信息，可全面刻画动脉瘤演化特征 深度学习技术突破：时序卷积网络、Transformer等深度学习模型可有效提取动态变化规律

任职要求

研究领域： -目前正在攻读计算机科学或相关STEM领域的学士,硕士或博士学位 -具有一种或多种通用编程语言的经验,包括但不限于: Java,C/C ++ 、Python、JavaScript或Go -具有上述研究领域的相关经验,包括行业经验或作为参与实验室研究 优先录用： -对技术研究充满热情,具有产生新思想和创新的能力; 在自学,问题分析和解决方面表现出色 -在国际会议上或核心期刊发表一份或多份出版物或论文 -至少3个月的全职工作

特色标签

C/C++、CT血管造影、Golang、Java、Python、TCN、医学多模态融合、医学时序Transformer、医疗、发表算法相关优秀论文、图像算法、多模态医学图像分析、多模态算法、意向性动脉瘤（UIA）、时序Transformer、时序医学数据、时间卷积网络、机器学习、深度学习、纵向影像队列、脑动脉瘤、计算机断层血管成像、随访影像数据